基于少量抽样的显著模式高效发现

显著模式挖掘是挖掘事务数据中的基本任务，需要识别与给定特征值显著相关的模式。在医学、购物篮分析和社交网络等多个应用中，目标是发现其与目标关联性定义的模式，这些模式是数据仅代表其观察或样本集合的底层人口或过程。捕捉模式与目标关联性的自然方法是考虑其统计显著性，评估其与目标在独立假设下的偏离程度。尽管已提出了多种算法来寻找统计显著模式，但仍是计算密集型任务，对于复杂模式如子群组，尚不存在有效解决方案。我们提出了FSR(高效显著模式发现算法)，用于识别具有严格虚假发现概率保证的统计显著模式。FSR建立在一种捕捉一些最常考虑的模式的通用框架之上，包括项目集、顺序模式和子群组。FSR使用小数量的抽样数据集，这些数据集通过对每个事务分配独立同分布标签来获得，用于严格界定衡量模式显著性的质量统计量的最大偏差。FSR建立在需要抽样数据集数量较少的紧密上界之上，同时在发现显著模式方面提供了高效能。在测试案例中，我们考虑显著子群组挖掘，我们的评估在多个真实数据集上显示，FSR在发现显著子群组方面有效，同时只需少量抽样数据集。